-
公开(公告)号：CN114081513A
公开(公告)日：2022-02-25
申请号：CN202111518134.9
申请日：2021-12-13
Applicant: 苏州大学
Abstract: 本发明涉及一种基于肌电信号的异常驾驶行为检测方法，包括获取带标签的异常驾驶行为肌电数据；对异常驾驶行为肌电数据进行预处理；利用预处理后的异常驾驶行为肌电数据的特征信息对神经网络模型进行训练，得到分类模型；获取驾驶过程中的实时驾驶行为肌电数据，对数据进行信号中值校正、动作区间提取以及特征提取处理；将处理后的实时驾驶行为肌电数据的特征信息输入至训练好的分类模型，输出预测分类的结果，判断是否发生异常驾驶行为，并在发生异常驾驶行为后发出异常驾驶警告。本发明使用低成本肌电传感器采集司机的驾驶行为肌电数据，不受环境和乘客影响，使用方便，克服了现有技术普遍存在的部署困难、佩戴不便以及成本高等问题。
-
公开(公告)号：CN113158243A
公开(公告)日：2021-07-23
申请号：CN202110414068.4
申请日：2021-04-16
Abstract: 本发明公开了一种分布式图像识别的模型推理方法及系统，方法包括构建卷积神经网络图像分类模型并按层切分，获取模型的层信息、各个层的权重参数矩阵和计算量；根据层信息确定边缘设备的数量，并结合边缘设备的存储空间和计算能力、根据各个层的权重参数矩阵尺寸和计算量将模型分布部署到边缘设备上；边缘设备使用线性编码的分布式卷积神经网络图像分类推理方案对图像进行分类识别，通过图像推理计算得到识别结果。系统包括部署有权重参数矩阵的边缘设备，边缘设备之间通过线性编码的方式互相通信。本发明通过合理部署保证了图像识别过程的稳定性，避免掉队者问题；通过使用线性编码的分布式图像分类推理方案进行分类识别，保护了数据安全。
-
公开(公告)号：CN112612601A
公开(公告)日：2021-04-06
申请号：CN202011419005.X
申请日：2020-12-07
Abstract: 本发明涉及一种分布式图像识别的智能模型训练方法及系统,包括在边缘服务器上创建任务池和结果池；每个边缘工作节点从所述任务池中随机获取一个任务；计算所述任务，所述边缘工作节点将结果放入所述结果池中；所述边缘服务器从所述结果池中取出所有结果，并将所有结果集成到最终结果中。本发明不但训练时间少、健壮性和安全性高，而且能够在边缘嵌入式设备上运行。
-
公开(公告)号：CN110996259A
公开(公告)日：2020-04-10
申请号：CN201911229660.6
申请日：2019-12-04
Applicant: 苏州大学
Abstract: 本发明公开了一种基于边缘计算的智慧垃圾监控清运方法及装置，分别设置云服务器和多个边缘服务器；在各垃圾桶处设置智慧终端，将获取的传感器信息定期通过通信模块发送至边缘服务器；在边缘服务器上设置数据监控模块，对智慧终端发来的数据进行解析，获取垃圾桶的各项数据，分别存储至边缘服务器本地数据库及云服务器数据库；在边缘服务器和云服务器上分别设置人机交互端，根据业务的时延要求，将需要实时处理的业务设置在边缘服务器，将其它业务设置在云服务器；边缘服务器利用接收到的数据进行路径规划，发送至垃圾清运车，垃圾清运车根据规划的路径实现垃圾清运。本发明可以监控垃圾桶的多种状态，既有利于清运路径规划，又能判断垃圾桶内是否有火灾隐患；合理设置系统架构，实现低延迟。
-
公开(公告)号：CN116980189A
公开(公告)日：2023-10-31
申请号：CN202310890218.8
申请日：2023-07-19
Applicant: 苏州大学
Abstract: 本发明涉及一种面向分片联盟链的恶意节点检测方法，通过对分片联盟链进行数学建模，当新节点申请加入时，中央机构利用公钥基础设施为新节点分配公钥、私钥与识别标量，验证新节点身份后，利用联盟链分片规则将新节点加入节点委员会中；选取该节点委员会中的多个节点生成测试组，发送至新节点，测试组中每个节点向新节点反馈第一签名与第二签名，并利用数字签名技术验证信息完整性，将扰乱或伪造数据的节点移出。且利用范德蒙矩阵的逆矩阵来检查是否有扰动数据，识别出是否包含恶意节点。本发明利用群组测试方法，将测试组划分至诚实集和恶意集中，每个节点均包含在至少一个测试组中，通过比对，识别出恶意节点，减少恶意节点识别所需的测试次数。
-
Patent Agency Ranking
公开(公告)号：CN116865947A
公开(公告)日：2023-10-10
申请号：CN202310846584.3
申请日：2023-07-11
Applicant: 苏州大学
Abstract: 本发明涉及数据存储技术领域，尤其是指一种基于线性编码的区块链存储方法，具体步骤包括：用户将原始文件切分成多个体积均等的文件块，并对文件块进行线性编码得到文件编码块，对编码块进行数字签名，将数字签名和编码块打包上传至云端系统；云端系统对接收到的编码块和数字签名进行验证，验证成功后对编码块的数字签名再一次签名，得到云端签名，公布到区块链中；云端系统对编码块进行差错检测；云端系统收集所有存储的编码块，对原始文件进行修复；云端系统将检测为受损的编码块删除，并通知用户重新上传新的编码块。本发明实现了由云端系统对存储数据的完整性进行自检和修复。
-
公开(公告)号：CN116862537A
公开(公告)日：2023-10-10
申请号：CN202310765135.6
申请日：2023-06-27
Applicant: 苏州大学
IPC: G06Q30/018 , H04L9/00 , H04L67/12 , H04L67/1097 , G06Q50/02
Abstract: 本发明涉及计算机技术领域，尤其是指一种联盟链农产品溯源系统，包括前端交互层，是溯源系统访问入口，为用户提供操作的网页；后端服务层，使用RESTfulAPI与前端交互层进行通信，为前端交互层提供数据和接口，处理前端交互层的业务请求，方便用户与区块链网络层进行交互；区块链网络层，使用gRPC协议与后端服务层进行通信，为参与农产品生产的组织提供一个运行网络，负责将数据写入区块链中。所述系统不仅大幅减少开发时间，并且降低各模块之间的耦合性，提高了可维护性和可扩展性，降低了系统的维护复杂性，并且将非关键数据分摊至链下存储，节省了链上区块存储成本，提高了所述系统的交易吞吐量。
-
公开(公告)号：CN119795912A
公开(公告)日：2025-04-11
申请号：CN202411835779.9
申请日：2024-12-13
Applicant: 苏州大学
IPC: B60L3/00 , G01R31/392 , G01R31/387 , G01R31/367 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于数据驱动的电动汽车电池健康状态预测方法和系统。其中方法包括获取电动汽车行驶数据与电池循环数据，以提取电池充放电片段，得到第一充放电片段；计算电池容量，删除第一充放电片段中异常的充放电片段，得到第二充放电片段；构建与电池充电模式相关的充电特征集和与电动汽车驾驶员驾驶行为相关的放电特征集，并构建充放电数据集；构建基于卷积神经网络、时间卷积网络与高效通道注意力机制的双通道深度学习模型；利用充放电数据集训练双通道深度学习模型，以充电特征和放电特征分别作为双通道深度学习模型的双通道输入，对电动汽车电池的健康状态进行实时预测。本发明可以准确预测电动汽车电池的健康状态，并具有较高的实时性。
-
公开(公告)号：CN116596025B
公开(公告)日：2024-09-10
申请号：CN202310408150.5
申请日：2023-04-17
Applicant: 苏州大学
IPC: G06N3/045 , G06N3/08 , G06Q50/00 , G06F18/213
Abstract: 本发明涉及一种基于级联关系多样性的信息流行度预测方法和系统，方法包括：获取每条信息p的观测级联Cp，并根据所述观测级联Cp获取级联图gp和时间节点序列τp；将所述级联图gp和时间节点序列τp输入编码模块生成全局时空特征、不同节点的相对时空特征和不同节点用户间的节点关系特征，并将所述全局时空特征融入级联图gp的节点初始特征X中得到节点特征矩阵X；通过所述多个互连的自注意力模型以实现对所述观测级联Cp进行建模，得到级联图表示Hc；通过所述预测层对多个互连的自注意力模型输出的级联图表示Hc进行预测，得到信息p的流行度。本发明在信息流行度预测中考虑了用户之间的偏好属性、并且考虑了不同信息对应级联间的关系。
-
公开(公告)号：CN117851802A
公开(公告)日：2024-04-09
申请号：CN202311567095.0
申请日：2023-11-22
Applicant: 苏州大学
IPC: G06F18/213 , G06F18/15 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/084 , G01N33/18 , G06F123/02
Abstract: 本发明涉及一种水质预测方法、装置及计算机可读存储介质，属于水质检测技术领域。包括：获取待预测区域的时间序列数据集；将时间序列数据集输入至ResNet网络中，输出时间序列数据集中每个时间序列数据的空间特征向量；将每个时间序列数据的空间特征向量输入至BiLSTM网络中，输出每个时间序列数据的隐藏状态向量，基于每个时间序列数据的隐藏状态向量计算每个时间序列数据的时间特征向量；将每个时间序列数据的隐藏状态向量和时间特征向量输入至全连接层，输出各个时间序列数据对应监测站点在下一时刻的水质预测指标。本申请考虑了水质数据的时序性和空间依赖性，有效提取水质数据的空间特征和时间特征，提高了水质预测结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.028 seconds)
